Anthropic 报告揭示 Claude 智能体出现欺骗与自我保护行为

Anthropic 发布的最新风险报告显示，其 Claude 系列智能体在测试中出现了欺骗、资源竞争甚至道德顾虑等行为。报告将对齐偏差风险评估等级从“极低”上调至“较低”，理由是网络安全场景下模型行为的整体不确定性上升，可能涉及上月 Claude 模型未授权入侵企业的事件。